Szegregált és integrált oktatás játékelméleti szimulációja
|
|
- Imre Mezei
- 5 évvel ezelőtt
- Látták:
Átírás
1 Szegregált és integrált oktatás játékelméleti szimulációja Kata János BME, Műszaki Pedagógia Tanszék, Budapest A Neumann János által megalapozott játékelméleti módszerek újszerű módot nyújtanak természeti és társadalmi jelenségek modellezésére és értelmezésére. Bár ő maga nem kaphatott Nobel-díjat, munkásságának szellemi örökösei közül többen válhattak e díj büszke tulajdonosává. Ezen tudósok egyike Thomas C. Shelling, aki a közgazdaságtudomány területén vált Nobel-díjassá 25-ben. Az 1921-ben született Shelling a Conway-féle Életjátékhoz, az első ilyen jellegű modellhez hasonlóan egyszerű játékszabályok alapján vizsgálta a konfliktusok és a kooperációk bonyolult jelenségét. Munkásságával kimutatta, hogy a társadalom különböző rétegei, osztályai, csoportjai törvényszerűen elkülönülnek egymástól, mert a keveredés a konfliktusok kialakulása mellett a kisebbségi csoport(ok) kulturális, történelmi, világnézeti, nyelvi jellemzőinek feladásával jár. A folyamat akkor is lezajlik, ha a társadalom egyes tagjait maximális tolerancia jellemzi. A Schelling által kidolgozott modell arra az egyszerű szabályra épül, hogy egy sakktáblán a társadalom egyes tagjainak lakóhelyét jelző mezőkön a következő szabályok érvényesülnek: ha az egyén korábban is ott lakott, ott marad, ha szomszédai között többségben vannak a vele azonos csoportba tartozók; ha az egyén korábban is ott lakott, akkor elköltözik, ha szomszédai nincsenek kisebbségben a tőle eltérő csoportba tartozók; ha a mező korábban üres volt, akkor odaköltözik egy olyan egyén, aki a szomszédban többségben levő csoportba tartozik; ha a mező korábban üres volt, akkor üres is marad, ha szomszédságában valamelyik csoport tagjai nem kerülnek fölénybe. Schelling modellje a játékelmélet többi módszeréhez hasonlóan laikusok számára is könnyen érthető, sőt házilagos körülmények között is megismételhető számítási lehetőségeket biztosít. A továbbiakban megvizsgáljuk, milyen eredményeket kapunk, ha a modellt a szükséges módosítások után az oktatás körülményeihez igazítjuk. 245
2 A modell jellemzői a szegregáció vizsgálata során Az oktatás szegregációjáról napjaink pedagógiájában folyamatos viták zajlanak. Az interkulturális és multikulturális oktatás kialakulásával és fejlődésével, a (bármilyen szempontból) hátrányos helyzetűek támogatásával párhuzamosan etikai megfontolások alapján azonban egyre inkább az integráció felé billen a mérleg. Egyes szakemberek ennek ellenére mégis azt hangoztatják, hogy a túl nagy különbségek nehezen áthidalhatóak. Ezt azzal indokolják, hogy ilyenkor a hátrányos helyzetűek sokszor nehezen leküzdhető feladatokkal kerülnek szembe (például egy vak diák esetén), vagy pedig ellenérzést keltenek a többiekben (például egy értelmi fogyatékos tanuló esetén). Ez pedig éppen ellenkező hatást ér el a célként kitűzött tolerancianövekedéssel szemben. A játékelmélet által megalapozott modellünkkel azt kívántuk elemezni, hogy milyen hatása lehet az oktatás szegregációs szintjének a kisebbségi csoportok beolvadására, integrálódására. Az eredmények értelmezése során pedig azt kívántuk megfogalmazni, hogy különböző kisebbségi arányok mellett melyik lehet a legalkalmasabb oktatási forma a társadalom összessége szempontjából. Ennek során eltekintettünk attól, hogy értékítéletet tegyünk. Ezt az indokolta, hogy a kapott eredmények mentesek mindenfajta etikai normától. Azt például különbözőképpen értékelhetjük, hogy a kisebbség menthetetlenül beolvad a többségbe. Pozitív lesz akkor, ha a mélyszegénységben nyomorgók tömege számolódik fel, negatív akkor, ha egy nemzeti kisebbség adja fel nyelvi és kulturális identitását, és lehetetlen akkor, ha az értelmi fogyatékosok teljes értékű integrálódását tűzzük ki célul. Az elemzés során tehát csak magára a beolvadás jelenségére koncentráltunk, annak értékítélete nélkül. A modellt futtató programot a következő jellemzőket kódoltuk: A szimuláció 1*1-es táblán folyik. Két populáció vesz részt benne. Transzformációs szabályok: o Egy mező vagy foglalt valamelyik népesség egy tagjával, vagy szabad. o Ha egy mező foglalt, és a szomszédai között legfeljebb 4 idegen van, a foglalt mező nem változik meg. o Ha egy mező foglalt, és a szomszédai között legalább 5 idegen van, a mező szabaddá válik. o Ha egy mező szabad, és a szomszédok aránya eléri az 3:1 értéket, akkor a több szomszédnak megfelelő jellegűvé válik a mező. o Ha egy mező szabad, és a szomszédok aránya kisebb 1:3-nál, akkor a mező szabad marad. o A szélső- és sarokelemekre a fenti szabályok arányosan érvényesek. (E szabályok meglehetősen enyhék. Ezzel részben a tolerancia magas fokát a rasszizmus hiányát kívánjuk kifejezni, másrészt a folyamat sebességét befolyásoljuk ezáltal.) 246
3 A szimuláció során háromféle változat elemzése történt meg: Integrált oktatás (a kisebbséghez tartozók az oktatás során teljes mértékben keverednek a többiekkel). o Az első lépésben a szimulációs sík egyes mezői véletlenszerűen töltődnek fel a kisebbség megadott arányának megfelelően. Szegregált, centralizált oktatás (a kisebbséghez tartozók egy-egy nagy, a hozzájuk illeszkedő felszereltségű, a szükséges speciális képzettséggel rendelkező pedagógusokat alkalmazó centrumban, elkülönülve vesznek részt az oktatásban). o Az első lépésben a szimulációs sík középső tartományában egybefüggő, de véletlenszerű elhelyezkedésű tömbben helyezkednek el a kisebbség tagjai az előzetesen megadott arány szerint. Szegregált, decentralizált oktatás (a kisebbséghez tartozók több, kisebb, néha nem a hozzájuk illeszkedő felszereltségű, a szükséges speciális képzettséggel nem mindig rendelkező pedagógusokat alkalmazó tanintézetben, elkülönülve vesznek részt az oktatásban). o Az első lépésben a szimulációs sík két szélső tartományában egymástól szeparált, véletlenszerű alakzatban helyezkednek el a kisebbség tagjai az előzetesen megadott aránynak megfelelően. Az elemzés során mindhárom esetben lefuttatunk egy sztochasztikus algoritmust különböző kisebbségi arányokkal (1-től 15 %-ig egyesével növekedve, innen 45%-ig ötösével növekedve). Regisztráltuk továbbá az egyes generációk (algoritmikus lépések) részeredményeit is. Ezek közvetlenül jelezték a folyamatok jellegét, ám a véletlen hatásait erősen tükrözték. Emiatt a továbbiakban ezeket a véletlen által is befolyásolt eredményeket úgy általánosítottuk, hogy Solver program segítségével meghatároztuk a kezdeti népességi arányokat (például 8%-2%) a folyamat végén kialakuló kisebbségi arányba legjobban leképező tenzor adatait. Ezt meghatározva tetszőleges kiinduló adatokhoz meghatározhattuk a végeredményeket. Mivel ezek még mindig tartalmaztak véletlenszerű elemeket (hiszen a különböző futtatásokat különböző tenzorok képezték le), az adatainkat egy kétváltozós exponenciális függvényhez illesztettük egy Cobb-Douglas transzformációval (ahol az egyik független változó a kiinduló kisebbségi arány, a másik az idő volt). E két transzformáció alkalmas volt arra, hogy a tényleges adatokat jól közelítő, de már a véletlen szerepét háttérbe szorító modellt kapjunk. A következőkben először a transzformációk előtti közvetlen, majd a transzformációk utáni általánosított eredményeket közöljük. A modellezés eredményei A modell paramétereit előzetesen sikerült úgy beállítanunk, hogy az eredmények viszonylag gyorsan állandósult értékre álljanak be, így a tranziens jelenségek tényleges időbeli lefolyását, annak sebességét nem vizsgálhattuk. 247
4 A leggyorsabban az integrált oktatás során következett be a változások eredménye, ezt követte szegregált-centralizált rendszer. Az első esetben jelentős beolvadást tapasztalhattunk, a kezdeti aránytól függően kevesebb, mint felére csökkent a kisebbség népessége. A második esetben jóval kisebb mértékű beolvadást láttunk, végeredményként 1-4 %-os beolvadás adódott. A szegregált-decentralizált oktatás esetén gyakorlatilag nem tapasztalhatunk beolvadást, a kisebbség aránya állandó maradt. Mindezt az 1-3 sz. ábrák szemléltetik ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében integrált oktatás esetén a a 2a 1a 2. ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében szegregált-centralizált oktatás esetén sz a a 2a 1a 248
5 ábra. A kisebbség arányának változása a kezdeti arány (4a stb.) függvényében szegregált-decentralizált oktatás esetén 3. sz a a 2a 1a Az általánosított eredmények alapján kijelenthető, hogy a 4. sz. ábrának megfelelően: Az integrált oktatás törvényszerűen megszünteti a kisebbséget, ha annak kezdeti aránya 1-15 % alatti. Efölött pedig kevesebb, mint felére csökkenti a kisebbség arányát. Az integrált oktatás mindig erőteljesebb beolvadást eredményez, mint a szegregált oktatás. Ha a kisebbség aránya 5 % alatti, akkor a decentralizált szegregáció a legkisebb, efölött pedig a centralizált szegregáció a legkisebb beolvadást okozó rendszer. (Ez az eredmény a fordítottja annak, amit várnánk.) A szegregált oktatás mindig biztosítja a kisebbség megmaradását, bizonyos esetekben pedig lehetővé teszi annak számbeli gyarapodását is. 249
6 4. ábra. A kisebbség arányának változása a kezdeti arány függvényében a különböző oktatási rendszerek esetén INTEGRÁLT SZEGREGÁLT, CENTRALIZÁLT SZEGREGÁLT, DECENTRALIZÁLT EGYENLETES (bejelölve a változatlanságot kifejező y=x egyenest is) Záró gondolatok A kisebbségügy kezelése napjainkra a társadalom egyik hangsúlyos feladata. Sokféle kisebbség létezik ugyanis, talán azt is mondhatnánk, hogy a társadalom nem más, mint különböző kisebbségek összessége. Meg kell őriznünk és védenünk kell a nemzeti kisebbségek kultúráját és hagyományait. De ugyanígy gondoskodnunk kell a tudományos és művészeti tehetségekről vagy a vallásivilágnézeti sokszínűség megmaradásáról is. Vannak olyan kisebbségek, amelyeknek maguknak is az a törekvésük, hogy beolvadjanak a többségi társadalomba. Amint a mindennapi gyakorlatban is tapasztalhatjuk, az integrált oktatás nagyon érzékeny téma. A játékelmélet a kényes kérdésekre nem tudja megadni a választ, azonban a döntések várható hatásait pontosan előre tudja jelezni. 25
Biometria az orvosi gyakorlatban. Korrelációszámítás, regresszió
SZDT-08 p. 1/31 Biometria az orvosi gyakorlatban Korrelációszámítás, regresszió Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Korrelációszámítás
RészletesebbenMultikulturális nevelés Inkluzív nevelés. Dr. Nyéki Lajos 2016
Multikulturális nevelés Inkluzív nevelés Dr. Nyéki Lajos 2016 Az iskolával szembeni társadalmi igények A tudásközvetítő funkció A szocializációs funkció A társadalmi integrációs (ezen belül a mobilitási)
RészletesebbenKvantitatív módszerek
Kvantitatív módszerek szimuláció Kovács Zoltán Szervezési és Vezetési Tanszék E-mail: kovacsz@gtk.uni-pannon.hu URL: http://almos/~kovacsz Mennyiségi problémák megoldása analitikus numerikus szimuláció
RészletesebbenTranszformátor rezgés mérés. A BME Villamos Energetika Tanszéken
Transzformátor rezgés mérés A BME Villamos Energetika Tanszéken A valóság egyszerűsítése, modellezés. A mérés tervszerűen végrehajtott tevékenység, ezért a bonyolult valóságos rendszert először egyszerűsítik.
RészletesebbenMakroökonómia. 6. szeminárium
Makroökonómia 6. szeminárium Ismétlés: egy főre jutó makromutatók Népességnövekedés L Y t = ak t α L t 1 α Konstans, (1+n) ütemben növekszik Egy főre jutó értékek Egyensúlyi növekedési pálya Összes változó
RészletesebbenNagy Péter: Fortuna szekerén...
Nagy Péter: Fortuna szekerén... tudni: az ész rövid, az akarat gyenge, hogy rá vagyok bízva a vak véletlenre. És makacs reménnyel mégis, mégis hinni, hogy amit csinálok, az nem lehet semmi. (Teller Ede)
RészletesebbenDemográfiai modellek (folytatás)
Demográfiai modellek (folytatás) 4. A teljesebb anyag 4.1. A megoldás egy változata Alábbiakban az előző gyakorlaton szereplő keretprogramból kapható egy lehetséges megoldást részletezzük. (Ha már a sajátja
RészletesebbenMakroökonómia. 7. szeminárium
Makroökonómia 7. szeminárium Az előző részek tartalmából Népességnövekedés L Y t = ak t α L t 1 α Konstans, (1+n) ütemben növekszik Egy főre jutó értékek Egyensúlyi növekedési pálya Összes változó konstans
RészletesebbenKorreferátum Havas Gábor előadásához
Korreferátum Havas Gábor előadásához Szántó Zoltán Zöld könyv a magyar közoktatás megújításáért Könyvbemutató szakmai konferencia MTA Székház, Díszterem 2008. November 25. A családi szocializáció és a
RészletesebbenConway életjátéka (Conway' s Game of Life)
Conway életjátéka (Conway' s Game of Life) készítette : Udvari Balázs, 2008 Bevezetés John Conway (szül. 1937, Liverpool) a XX. század jelentős matematikusa; jelenleg a princetoni egyetem professzora.
RészletesebbenA matematikai feladatok és megoldások konvenciói
A matematikai feladatok és megoldások konvenciói Kozárné Fazekas Anna Kántor Sándor Matematika és Informatika Didaktikai Konferencia - Szatmárnémeti 2011. január 28-30. Konvenciók Mindenki által elfogadott
RészletesebbenSzennyezőanyagok terjedésének numerikus szimulációja, MISKAM célszoftver
Szennyezőanyagok terjedésének numerikus szimulációja, MISKAM célszoftver 1. A numerikus szimulációról általában A szennyeződés-terjedési modellek numerikus megoldása A szennyeződés-terjedési modellek transzportegyenletei
Részletesebben1. Példa. A gamma függvény és a Fubini-tétel.
. Példa. A gamma függvény és a Fubini-tétel.. Az x exp x + t )) függvény az x, t tartományon folytonos, és nem negatív, ezért alkalmazható rá a Fubini-tétel. I x exp x + t )) dxdt + t dt π 4. [ exp x +
RészletesebbenOsztott algoritmusok
Osztott algoritmusok A benzinkutas példa szimulációja Müller Csaba 2010. december 4. 1. Bevezetés Első lépésben talán kezdjük a probléma ismertetésével. Adott két n hosszúságú bináris sorozat (s 1, s 2
RészletesebbenPRÓBAÉRETTSÉGI VIZSGA
MATEMATIKA PRÓBAÉRETTSÉGI VIZSGA 2012. 2013. április január 7. 19. KÖZÉPSZINTŰ PRÓBAÉRETTSÉGI VIZSGA Név Tanárok neve Pontszám 2013. január 19. II. Időtartam: 135 perc STUDIUM GENERALE MATEMATIKA SZEKCIÓ
RészletesebbenBiomatematika 12. Szent István Egyetem Állatorvos-tudományi Kar. Fodor János
Szent István Egyetem Állatorvos-tudományi Kar Biomatematikai és Számítástechnikai Tanszék Biomatematika 12. Regresszió- és korrelációanaĺızis Fodor János Copyright c Fodor.Janos@aotk.szie.hu Last Revision
Részletesebben6. Függvények. 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban?
6. Függvények I. Nulladik ZH-ban láttuk: 1. Az alábbi függvények közül melyik szigorúan monoton növekvő a 0;1 intervallumban? f x g x cos x h x x ( ) sin x (A) Az f és a h. (B) Mindhárom. (C) Csak az f.
RészletesebbenELEKTRONIKAI ALAPISMERETEK
Elektronikai alapismeretek emelt szint 080 ÉETTSÉGI VIZSG 008. októr 0. ELEKTONIKI LPISMEETEK EMELT SZINTŰ ÍÁSELI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKELÉSI ÚTMTTÓ OKTTÁSI ÉS KLTÁLIS MINISZTÉIM Egyszerű, rövid feladatok
RészletesebbenÁRAMKÖRÖK SZIMULÁCIÓJA
ÁRAMKÖRÖK SZIMULÁCIÓJA Az áramkörök szimulációja révén betekintést nyerünk azok működésébe. Meg tudjuk határozni az áramkörök válaszát különböző gerjesztésekre, különböző üzemmódokra. Végezhetők analóg
RészletesebbenIntelligens Rendszerek Elmélete. Párhuzamos keresés genetikus algoritmusokkal
Intelligens Rendszerek Elmélete Dr. Kutor László Párhuzamos keresés genetikus algoritmusokkal http://mobil.nik.bmf.hu/tantargyak/ire.html login: ire jelszó: IRE0 IRE / A természet általános kereső algoritmusa:
RészletesebbenMérési adatok illesztése, korreláció, regresszió
Mérési adatok illesztése, korreláció, regresszió Korreláció, regresszió Két változó mennyiség közötti kapcsolatot vizsgálunk. Kérdés: van-e kapcsolat két, ugyanabban az egyénben, állatban, kísérleti mintában,
RészletesebbenHÍDTARTÓK ELLENÁLLÁSTÉNYEZŐJE
HÍDTARTÓK ELLENÁLLÁSTÉNYEZŐJE Csécs Ákos * - Dr. Lajos Tamás ** RÖVID KIVONAT A Budapesti Műszaki és Gazdaságtudományi Egyetem Hidak és Szerkezetek Tanszéke megbízta a BME Áramlástan Tanszékét az M8-as
RészletesebbenAz SPC (statisztikai folyamatszabályozás) ingadozásai
A TERMELÉSI FOLYAMAT MINÕSÉGKÉRDÉSEI, VIZSGÁLATOK 2.3 Az SPC (statisztikai folyamatszabályozás) ingadozásai Tárgyszavak: statisztikai folyamatszabályozás; Shewhart-féle szabályozókártya; többváltozós szabályozás.
RészletesebbenMATEMATIKA ÍRÁSBELI VIZSGA 2009. május 5.
MATEMATIKA ÍRÁSBELI VIZSGA 2009. május 5. I. rész Fontos tudnivalók A megoldások sorrendje tetszőleges. A feladatok megoldásához szöveges adatok tárolására és megjelenítésére nem alkalmas zsebszámológépet
RészletesebbenGyalogos elütések szimulációs vizsgálata
Gyalogos elütések szimulációs vizsgálata A Virtual Crash program validációja Dr. Melegh Gábor BME Gépjárművek tanszék Budapest, Magyarország Vida Gábor BME Gépjárművek tanszék Budapest, Magyarország Ing.
RészletesebbenPrímszámok statisztikai analízise
Prímszámok statisztikai analízise Puszta Adrián 28. április 18. Kivonat Munkám során a prímszámok és a páros prímek eloszlását, illetve különbségét vizsgáltam, majd ebből következtettem a véletlenszerű
RészletesebbenRegresszió. Fő cél: jóslás Történhet:
Fő cél: jóslás Történhet: Regresszó 1 változó több változó segítségével Lépések: Létezk-e valamlyen kapcsolat a 2 változó között? Kapcsolat természetének leírása (mat. egy.) A regresszós egyenlet alapján
RészletesebbenFirst Prev Next Last Go Back Full Screen Close Quit
Többváltozós függvények (2) First Prev Next Last Go Back Full Screen Close Quit 1. Egyváltozós függvények esetén a differenciálhatóságból következett a folytonosság. Fontos tudni, hogy abból, hogy egy
RészletesebbenMatematika III előadás
Matematika III. - 2. előadás Vinczéné Varga Adrienn Debreceni Egyetem Műszaki Kar, Műszaki Alaptárgyi Tanszék Előadáskövető fóliák Vinczéné Varga Adrienn (DE-MK) Matematika III. 2016/2017/I 1 / 23 paramétervonalak,
RészletesebbenELEKTRONIKAI ALAPISMERETEK
Elektronikai alapismeretek középszint 06 ÉRETTSÉGI VIZSG 007. május 5. ELEKTRONIKI LPISMERETEK KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSG JVÍTÁSI-ÉRTÉKELÉSI ÚTMTTÓ OKTTÁSI ÉS KLTRÁLIS MINISZTÉRIM Teszt jellegű
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 10 X. SZIMULÁCIÓ 1. VÉLETLEN számok A véletlen számok fontos szerepet játszanak a véletlen helyzetek generálásában (pénzérme, dobókocka,
Részletesebben5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus.
5/1. tétel: Optimalis feszítőfák, Prim és Kruskal algorithmusa. Legrövidebb utak graphokban, negatív súlyú élek, Dijkstra és Bellman Ford algorithmus. Optimalis feszítőfák Egy összefüggő, irányítatlan
RészletesebbenSuliprogram. Vizsgakövetelmények
Suliprogram Vizsgakövetelmények az Egységes Európai Gazdasági Oklevél - EBC*L (angolul: European Business Competence* License, németül: Wirtschaftsführerschein ) vizsgához 2006. TÉMAKÖR: Mérleg összeállítás
RészletesebbenHraskó András, Surányi László: spec.mat szakkör Tartotta: Hraskó András. 1. alkalom
1. alkalom 1. Beszínezzük a koordináta-rendszer rácspontjait. Egyetlen szabályt kell betartanunk: az (a;b) pontnak ugyanolyan színűnek kell lennie, mint az (a-b;a) és az (a;b-a) pontnak (a és b egész számok).
RészletesebbenGettósodás, mint szociális probléma
Gettósodás, mint szociális probléma Michal Vašečka Workshop Területi és etnikai különbségek formái Szlovákiában, Csehországban és Magyarországon Ostrava, 2012. május 3-4. Gettó Wacquant a gettó jelenséget
RészletesebbenHÁZI FELADAT PROGRAMOZÁS I. évf. Fizikus BSc. 2009/2010. I. félév
1. feladat (nehézsége:*****). Készíts C programot, mely a felhasználó által megadott függvényt integrálja (numerikusan). Gondosan tervezd meg az adatstruktúrát! Tervezz egy megfelelő bemeneti nyelvet.
RészletesebbenMonte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás
Monte Carlo módszerek a statisztikus fizikában. Az Ising modell. 8. előadás Démon algoritmus az ideális gázra időátlag fizikai mennyiségek átlagértéke sokaságátlag E, V, N pl. molekuláris dinamika Monte
RészletesebbenForgalmi modellezés BMEKOKUM209
BME Közlekedésüzemi és Közlekedésgazdasági Tanszék Forgalmi modellezés BMEKOKUM209 Szimulációs modellezés Dr. Juhász János A forgalmi modellezés célja A közlekedési igények bővülése és a motorizáció növekedése
RészletesebbenSzámítógépes döntéstámogatás. Genetikus algoritmusok
BLSZM-10 p. 1/18 Számítógépes döntéstámogatás Genetikus algoritmusok Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu BLSZM-10 p. 2/18 Bevezetés 1950-60-as
RészletesebbenPontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.
Pontműveletek Sergyán Szabolcs sergyan.szabolcs@nik.uni-obuda.hu Óbudai Egyetem Neumann János Informatikai Kar 2012. február 20. Sergyán (OE NIK) Pontműveletek 2012. február 20. 1 / 40 Felhasznált irodalom
RészletesebbenProjektfeladatok 2014, tavaszi félév
Projektfeladatok 2014, tavaszi félév Gyakorlatok Félév menete: 1. gyakorlat: feladat kiválasztása 2-12. gyakorlat: konzultációs rendszeres beszámoló a munka aktuális állásáról (kötelező) 13-14. gyakorlat:
RészletesebbenVéletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.
Valószín ségelméleti és matematikai statisztikai alapfogalmak összefoglalása (Kemény Sándor - Deák András: Mérések tervezése és eredményeik értékelése, kivonat) Véletlen jelenség: okok rendszere hozza
RészletesebbenMatematikai modellek. Nagyprojekt
Matematikai modellek Nagyprojekt El adók: Ágoston Dóra Csenge, Unger Tamás István B.Sc. szakos matematikus hallgatók Szegedi Tudományegyetem Bolyai Intézet 2018. május 19. 2017/2018 tavaszi szemeszter
RészletesebbenFIZIKA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ
Fizika középszint 151 ÉRETTSÉGI VIZSGA 015. május 18. FIZIKA KÖZÉPSZINTŰ ÍRÁSBELI ÉRETTSÉGI VIZSGA JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ EMBERI ERŐFORRÁSOK MINISZTÉRIUMA A dolgozatokat az útmutató utasításai szerint,
RészletesebbenPélda: Háromszög síkidom másodrendű nyomatékainak számítása
Példa: Háromszög síkidom másodrendű nyomatékainak számítása Készítette: Dr. Kossa Attila kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék. február 6. Határozzuk meg az alábbi ábrán látható derékszögű háromszög
RészletesebbenÁltalános iskolai feladatellátási helyek tanulói megoszlása fenntartói típusonként
HÁTTÉR: általános iskolai tanulómegoszlás Szerző: Roma Sajtóközpont (RSK) - 2011. január 4. kedd Általános iskolai feladatellátási helyek tanulói megoszlása fenntartói típusonként Az írás a tanulólétszámot,
RészletesebbenHő- és füstelvezetés, elmélet-gyakorlat
Hő- és füstelvezetés, elmélet-gyakorlat Mérnöki módszerek alkalmazásának lehetőségei Szikra Csaba tudományos munkatárs BME Építészmérnöki Kar Épületenergetikai és Épületgépészeti Tanszék szikra@egt.bme.hu
RészletesebbenOPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN)
OPERÁCIÓKUTATÁS, AZ ELFELEDETT TUDOMÁNY A LOGISZTIKÁBAN (A LOGISZTIKAI CÉL ELÉRÉSÉNEK ÉRDEKÉBEN) Fábos Róbert 1 Alapvető elvárás a logisztika területeinek szereplői (termelő, szolgáltató, megrendelő, stb.)
RészletesebbenPRÓBAÉRETTSÉGI MEGOLDÁSA: MATEMATIKA, KÖZÉP SZINT. 3, ahonnan 2 x = 3, tehát. x =. 2
FELADATSOR MEGOLDÁSA I. rész 1.1.) a) igaz b) hamis. 1..) A helyes megoldás: b) R = r 1..) x = 7 = ahonnan x = tehát x =. 1.4.) Az oszlopdiagramból kiolvasható hogy a két üzem termelése között a legnagyobb
RészletesebbenHő- és füstelvezetés, elmélet-gyakorlat
Hő- és füstelvezetés, elmélet-gyakorlat Mérnöki módszerek alkalmazásának lehetőségei Szikra Csaba tudományos munkatárs BME Építészmérnöki Kar Épületenergetikai és Épületgépészeti Tanszék szikra@egt.bme.hu
Részletesebben8. feladatsor: Többváltozós függvények határértéke (megoldás)
Matematika Ac gyakorlat Vegyészmérnöki, Biomérnöki, Környezetmérnöki szakok, 07/8 ősz 8. feladatsor: Többváltozós függvények határértéke (megoldás). Számoljuk ki a következő határértékeket: y + 3 a) y
RészletesebbenMatematika A 9. szakiskolai évfolyam. 16. modul EGYBEVÁGÓSÁGOK. Készítette: Vidra Gábor
Matematika A 9. szakiskolai évfolyam 16. modul EGYBEVÁGÓSÁGOK Készítette: Vidra Gábor MATEMATIKA A 9. SZAKISKOLAI ÉVFOLYAM 16. modul: EGYBEVÁGÓSÁGOK TANÁRI ÚTMUTATÓ 2 A modul célja Időkeret Ajánlott korosztály
RészletesebbenStatisztika I. 13. előadás Idősorok elemzése. Előadó: Dr. Ertsey Imre
Statisztika I. 13. előadás Idősorok elemzése Előadó: Dr. Ertse Imre A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Ezek a
RészletesebbenREGIONÁLIS KLÍMAMODELLEZÉS AZ OMSZ-NÁL. Magyar Tudományos Akadémia szeptember 15. 1
Regionális klímamodellezés az Országos Meteorológiai Szolgálatnál HORÁNYI ANDRÁS (horanyi.a@met.hu) Csima Gabriella, Szabó Péter, Szépszó Gabriella Országos Meteorológiai Szolgálat Numerikus Modellező
RészletesebbenFeladatok Házi feladat. Keszeg Attila
2016.01.29. 1 2 3 4 Adott egy O pont és egy λ 0 valós szám. a tér minden egyes P pontjához rendeljünk hozzá egy P pontot, a következő módon: 1 ha P = O, akkor P = P 2 ha P O, akkor P az OP egyenes azon
RészletesebbenFeladatok: pontdiagram és dobozdiagram. Hogyan csináltuk?
Feladatok: pontdiagram és dobozdiagram Hogyan csináltuk? Alakmutatók: ferdeség, csúcsosság Alakmutatók a ferdeség és csúcsosság mérésére Ez eloszlás centrumát (középérték) és az adatok centrum körüli terpeszkedését
Részletesebben1. Egy italautomatában hétféle rostos üdítő kapható. Hányféle sorrendben vehet Anna a rostos üdítőkből három különbözőt?
1. Egy italautomatában hétféle rostos üdítő kapható. Hányféle sorrendben vehet Anna a rostos üdítőkből három különbözőt? A) 35 B) 210 C) 343 D) 1320 E) 1728 2. Hány olyan háromjegyű természetes szám van,
RészletesebbenA választható pedagógus-továbbképzési programok ismertetője 1
A választható pedagógus-továbbképzési programok ismertetője 1 Továbbképzés címe Középiskolai IPR A kooperatív tanulás a hátrányos helyzetű tanulók integrált nevelésének elősegítésére OM 173/78/2005. A
RészletesebbenBevezető feldatok. Elágazás és összegzés tétele
Bevezető feldatok 1. Szövegértés és algoritmikus gondolkodás Kátai Zoltán https://people.inf.elte.hu/szlavi/infodidact15/manuscripts/kz.pdf Elágazás és összegzés tétele Táblázatkezelési feladatok Feladatok
Részletesebben1. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI FELADATSOR
1. MATEMATIKA EMELT SZINTŰ ÍRÁSBELI FELADATSOR A feladatok megoldására 240 perc fordítható, az idő leteltével a munkát be kell fejeznie. A feladatok megoldási sorrendje tetszőleges. A II. részben kitűzött
RészletesebbenPélda sejtautomatákra. Homokdomb modellek.
Példa sejtautomatákra. Homokdomb modellek. Automaták egyszerű eszközök tulajdonságok: véges számú állapota van átmenet egyik állapotból a másikba érzékeli a környezetet esetleg megváltoztatja a környezetet
Részletesebbentévhitek az oktatási szegregációról
tévhitek az oktatási szegregációról Készítette: Motiváció Műhely A füzet el készítését támogatta: Open Society Institute Budapest Foundation 3 TÉVHIT #1 A SZABAD ISKOLAVÁLASZTÁS M I N DEN KI SZÁMÁRA ELÉRH
Részletesebben1. ábra ábra
A kifejtési tétel A kifejtési tétel kimondásához először meg kell ismerkedni az előjeles aldetermináns fogalmával. Ha az n n-es A mátrix i-edik sorának és j-edik oszlopának kereszteződésében az elem áll,
RészletesebbenHőmérsékleti sugárzás
Ideális fekete test sugárzása Hőmérsékleti sugárzás Elméleti háttér Egy ideális fekete test leírható egy egyenletes hőmérsékletű falú üreggel. A fala nemcsak kibocsát, hanem el is nyel energiát, és spektrális
RészletesebbenKÖVETELMÉNYEK II. félév
KÖVETELMÉNYEK 2016-2017. II. félév Tantárgy neve Multikulturális nevelés Tantárgy kódja SPB2102 Meghirdetés féléve 6 Kreditpont: 3 Félévi óraszám (elm.+gyak.) 1+1 Félévi követelmény Kollokvium Előfeltétel
RészletesebbenNULLADIK MATEMATIKA ZÁRTHELYI
NULLADIK MATEMATIKA ZÁRTHELYI 08-09-07 Terem: Munkaidő: 0 perc. A dolgozat megírásához íróeszközön kívül semmilyen segédeszköz nem használható! A feladatlap kizárólag kék vagy fekete tollal tölthető ki.
RészletesebbenEjtési teszt modellezése a tervezés fázisában
Antal Dániel, doktorandusz, Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szabó Tamás, egyetemi docens, Ph.D., Miskolci Egyetem Robert Bosch Mechatronikai Tanszék Szilágyi Attila, egyetemi adjunktus,
Részletesebben6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének
6. Függvények I. Elméleti összefoglaló A függvény fogalma, értelmezési tartomány, képhalmaz, értékkészlet Legyen az A és B halmaz egyike sem üreshalmaz. Ha az A halmaz minden egyes eleméhez hozzárendeljük
RészletesebbenA évi kompetenciamérés eredményeinek értékelése a FITjelentés
A 2017. évi kompetenciamérés eredményeinek értékelése a FITjelentés alapján EBESI ARANY JÁNOS MAGYAR-ANGOL KÉT TANÍTÁSI NYELVŰ ÁLTALÁNOS ÉS ALAPFOKÚ MŰVÉSZETI ISKOLA 4211 Ebes, Széchenyi tér 5. OM azonosító:
RészletesebbenTÁRSADALMI BEFOGADÁS A TÁRSADALMI VÁLLALKOZÁSOKBAN MAGYARORSZÁGON KISS JULIANNA PRIMECZ HENRIETT TOARNICZKY ANDREA
EFOP-3.6.2-16-2017-00007 "Az intelligens, fenntartható és inkluzív társadalom fejlesztésének aspektusai: társadalmi, technológiai, innovációs hálózatok a foglalkoztatásban és a digitális gazdaságban TÁRSADALMI
RészletesebbenMatematika. J a v í t ó k u l c s. 8. évfolyam. Oktatási Hivatal Közoktatási Mérési Értékelési Osztály 1054 Budapest, Báthory utca 10.
Matematika J a v í t ó k u l c s 8. évfolyam Oktatási Hivatal Közoktatási Mérési Értékelési Osztály 1054 Budapest, Báthory utca 10. IEA, 2011 1/1. feladat 1/2. feladat : B : B Item: M032757 Item: M032721
Részletesebben0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles
Matematika szigorlat, Mérnök informatikus szak I. 2013. jan. 10. Név: Neptun kód: Idő: 180 perc Elm.: 1. f. 2. f. 3. f. 4. f. 5. f. Fel. össz.: Össz.: Oszt.: Az elérhető pontszám 40 (elmélet) + 60 (feladatok)
RészletesebbenRegresszió számítás. Tartalomjegyzék: GeoEasy V2.05+ Geodéziai Kommunikációs Program
Regresszió számítás GeoEasy V2.05+ Geodéziai Kommunikációs Program DigiKom Kft. 2006-2010 Tartalomjegyzék: Egyenes x változik Egyenes y változik Egyenes y és x változik Kör Sík z változik Sík y, x és z
RészletesebbenKövetelmény a 7. évfolyamon félévkor matematikából
Követelmény a 7. évfolyamon félévkor matematikából Gondolkodási és megismerési módszerek Elemek halmazba rendezése több szempont alapján. Halmazok ábrázolása. A nyelv logikai elemeinek helyes használata.
RészletesebbenFEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI
FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI statisztika 3 III. VÉLETLEN VEKTOROK 1. A KÉTDIMENZIÓs VÉLETLEN VEKTOR Definíció: Az leképezést (kétdimenziós) véletlen vektornak nevezzük, ha Definíció:
RészletesebbenProgramozási nyelvek 2. előadás
Programozási nyelvek 2. előadás Logo forgatás tétel Forgatás tétel Ha az ismétlendő rész T fok fordulatot végez és a kezdőhelyére visszatér, akkor az ismétlések által rajzolt ábrák egymás T fokkal elforgatottjai
RészletesebbenJAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI 1. FELADATSORHOZ
JAVÍTÁSI-ÉRTÉKELÉSI ÚTMUTATÓ A MATEMATIKA KÖZÉPSZINTŰ ÍRÁSBELI 1. FELADATSORHOZ Formai előírások: A dolgozatot a vizsgázó által használt színűtől eltérő színű tollal kell javítani, és a tanári gyakorlatnak
Részletesebben1/50. Teljes indukció 1. Back Close
1/50 Teljes indukció 1 A teljes indukció talán a legfontosabb bizonyítási módszer a számítástudományban. Teljes indukció elve. Legyen P (n) egy állítás. Tegyük fel, hogy (1) P (0) igaz, (2) minden n N
RészletesebbenSAJÁTOS NEVELÉSI IGÉNYŰ GYERMEK AZ OSZTÁLYBAN (A SAJÁTOS NEVELÉSI IGÉNY PEDAGÓGUS SZEMMEL) AZ INTEGRÁCIÓ JELENTŐSÉGE
SAJÁTOS NEVELÉSI IGÉNYŰ GYERMEK AZ OSZTÁLYBAN (A SAJÁTOS NEVELÉSI IGÉNY PEDAGÓGUS SZEMMEL) AZ INTEGRÁCIÓ JELENTŐSÉGE A SAJÁTOS NEVELÉSI IGÉNYHEZ IGAZODÓ DIFFERENCIÁLÁS LEHETŐSÉGEI AZ ISKOLAI OKTATÁSBAN,
RészletesebbenMérés: Millikan olajcsepp-kísérlete
Mérés: Millikan olajcsepp-kísérlete Mérés célja: 1909-ben ezt a mérést Robert Millikan végezte el először. Mérése során meg tudta határozni az elemi részecskék töltését. Ezért a felfedezéséért Nobel-díjat
RészletesebbenMULTIMÉDIÁS TANSEGÉDLET A TV2-117A HAJTÓMŰ ÁLTALÁNOS FELÉPÍTÉSÉNEK BEMUTATÁSÁRA A MULTIMÉDIÁS TANSEGÉDLET FELÉPÍTÉSE, BEMUTATÁSA
Dr. Szabó László Varga Béla MULTIMÉDIÁS TANSEGÉDLET A TV2-117A HAJTÓMŰ ÁLTALÁNOS FELÉPÍTÉSÉNEK BEMUTATÁSÁRA A tanítás-tanulás rendszerében mindig nagy problémát okozott az, ha ugyanazt a tananyag mennyiséget
RészletesebbenAdatok statisztikai értékelésének főbb lehetőségei
Adatok statisztikai értékelésének főbb lehetőségei 1. a. Egy- vagy kétváltozós eset b. Többváltozós eset 2. a. Becslési problémák, hipotézis vizsgálat b. Mintázatelemzés 3. Szint: a. Egyedi b. Populáció
RészletesebbenSzámítógépes döntéstámogatás. Statisztikai elemzés
SZDT-03 p. 1/22 Számítógépes döntéstámogatás Statisztikai elemzés Werner Ágnes Villamosmérnöki és Információs Rendszerek Tanszék e-mail: werner.agnes@virt.uni-pannon.hu Előadás SZDT-03 p. 2/22 Rendelkezésre
RészletesebbenA fűrészmozgás kinetikai vizsgálata
A fűrészmozgás kinetikai vizsgálata Az alábbi dolgozat az 1988 - ban Sopronban, a kandidátusi fokozat elnyerése céljából írt értekezésem alapján készült, melynek címe: Balesetvédelmi és környezetkímélő
RészletesebbenOsztott jáva programok automatikus tesztelése. Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január
Osztott jáva programok automatikus tesztelése Matkó Imre BBTE, Kolozsvár Informatika szak, IV. Év 2007 január Osztott alkalmazások Automatikus tesztelés Tesztelés heurisztikus zaj keltés Tesztelés genetikus
RészletesebbenXVI. reál- és humántudományi ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA Kolozsvár május
XVI. reál- és humántudományi ERDÉLYI TUDOMÁNYOS DIÁKKÖRI KONFERENCIA Kolozsvár 2013. május 23-26. Gyógypedagógia szekció 1. díj: Gál Éva 2. díj: Vári Timea 3. díj: Csoboth Adél Dicséret: Fülöp Éva Emília
RészletesebbenEddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni.
Eddigi tanulmányaink alapján már egy sor, a szeizmikában általánosan használt műveletet el tudunk végezni. Kezdjük a sort a menetidőgörbékről, illetve az NMO korrekcióról tanultakkal. A következő ábrán
RészletesebbenAZ ÉPÍTÉSI MUNKÁK IDŐTERVEZÉSE
UDPESTI MŰSZKI ÉS GZDSÁGTUDOMÁNYI EGYETEM ÉPÍTÉSZMÉRNÖKI KR ÉPÍTÉSKIVITELEZÉSI és SZERVEZÉSI TNSZÉK dr. Neszmélyi László Z ÉPÍTÉSI MUNKÁK IDŐTERVEZÉSE - 2015. - Tartalom 1. EVEZETÉS... 4 2. Z ÉPÍTÉSEN
Részletesebben( 1) i 2 i. megbízhatóságú a levont következtetése? A matematikai statisztika eszközeivel értékelje a kapott eredményeket!
1. Név:......................... Egy szabályos pénzérmét feldobunk, ha az els½o FEJ az i-edik dobásra jön, akkor a játékos nyereménye ( 1) i i forint. Vizsgálja szimulációval a játékot, különböz½o induló
RészletesebbenMesterséges Intelligencia MI
Mesterséges Intelligencia MI Valószínűségi hálók - következtetés Dobrowiecki Tadeusz Eredics Péter, és mások BME I.E. 437, 463-28-99 dobrowiecki@mit.bme.hu, http://www.mit.bme.hu/general/staff/tade Következtetés
RészletesebbenIV. Felkészítő feladatsor
IV. Felkészítő feladatsor 1. Az A halmaz elemei a (-7)-nél nagyobb, de 4-nél kisebb egész számok. B a nemnegatív egész számok halmaza. Elemeinek felsorolásával adja meg az A \ B halmazt! I. 2. Adott a
RészletesebbenVarga Tamás Matematikaverseny Javítási útmutató Iskolai forduló 2018/ osztály
1. Dóri a könyveit két polcon tartotta úgy, hogy a felső polcon volt könyveinek egyharmada. Egyszer átrendezte a könyveket: az alsó polcon lévő könyvek egyharmadát feltette a felső polcra, majd az eredetileg
RészletesebbenTermelés- és szolgáltatásmenedzsment
Termelés- és szolgáltatásmenedzsment egyetemi adjunktus Menedzsment és Vállalatgazdaságtan Tanszék Termelés- és szolgáltatásmenedzsment 13. Előrejelzési módszerek 14. Az előrejelzési modellek felépítése
RészletesebbenA II. kategória Fizika OKTV mérési feladatainak megoldása
Nyomaték (x 0 Nm) O k t a t á si Hivatal A II. kategória Fizika OKTV mérési feladatainak megoldása./ A mágnes-gyűrűket a feladatban meghatározott sorrendbe és helyre rögzítve az alábbi táblázatban feltüntetett
RészletesebbenSegédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával
Segédlet: Főfeszültségek meghatározása Mohr-féle feszültségi körök alkalmazásával Készítette: Dr. Kossa Attila (kossa@mm.bme.hu) BME, Műszaki Mechanikai Tanszék 212. október 16. Frissítve: 215. január
RészletesebbenIdősorok elemzése előadás. Előadó: Dr. Balogh Péter
Idősorok elemzése előadás Előadó: Dr. Balogh Péter Idősorok elemzése A társadalmi - gazdasági jelenségek időbeli alakulásának törvénszerűségeit kell vizsgálni a változás, a fejlődés tendenciáját. Az idősorokban
RészletesebbenIpari kemencék PID irányítása
Ipari kemencék PID irányítása 1. A gyakorlat célja: Az ellenállással melegített ipari kemencék modelljének meghatározása. A Opelt PID tervezési módszer alkalmazása ipari kemencék irányítására. Az ipari
RészletesebbenELEKTRONIKAI ALAPISMERETEK
Elektronikai alapismeretek emelt szint 06 ÉETTSÉGI VIZSG 007. május 5. EEKTONIKI PISMEETEK EMET SZINTŰ ÍÁSBEI ÉETTSÉGI VIZSG JVÍTÁSI-ÉTÉKEÉSI ÚTMTTÓ OKTTÁSI ÉS KTÁIS MINISZTÉIM Teszt jellegű kérdéssor
RészletesebbenTERÜLETI EGYÜTTMŰKÖDÉST SEGÍTŐ PROGRAMOK KIALAKÍTÁSA AZ ÖNKORMÁNYZATOKNÁL A KONVERGENCIA RÉGIÓBAN ÁROP - 1.A.3. - 2014 MARCALI VÁROS ÖNKORMÁNYZATA
TERÜLETI EGYÜTTMŰKÖDÉST SEGÍTŐ PROGRAMOK KIALAKÍTÁSA AZ ÖNKORMÁNYZATOKNÁL A KONVERGENCIA RÉGIÓBAN ÁROP - 1.A.3. - 2014 MARCALI VÁROS ÖNKORMÁNYZATA ESÉLYT MINDENKINEK SZAKMAI PROGRAM MARCALI, 2015.05.08.
RészletesebbenELTE TáTK Közgazdaságtudományi Tanszék GAZDASÁGSTATISZTIKA. Készítette: Bíró Anikó. Szakmai felelős: Bíró Anikó június
GAZDASÁGSTATISZTIKA GAZDASÁGSTATISZTIKA Készült a TÁMOP-4.1.2-08/2/A/KMR-2009-0041pályázati projekt keretében Tartalomfejlesztés az ELTE TátK Közgazdaságtudományi Tanszékén az ELTE Közgazdaságtudományi
Részletesebben